GPT-5.6 发布后，我重新看了 OpenAI 的 Prompt 指南
GPT-5.6 发布以后，我看到不少人在转发 OpenAI 的一份 Prompting 指南。
这份指南最重要的地方，不是提供了一条「GPT-5.6 神级 Prompt」，而是明确告诉我们：不需要技术语法，也没有必须遵守的固定公式。先用自己的话说清楚要什么，再根据结果继续调整。
语音 Agent 真正缺的，可能是一只本地的耳朵
过去一年，大家聊 Agent，大部分时间都在聊大模型。
谁的推理更强，谁的上下文更长，谁更会调用工具。
我一开始也没有特别关注语音识别模型。
我把 Claude Code 的「大脑」移植到了 Pi Agent 里
Claude Code 是现在最强的 coding agent 之一，它的 system prompt 是最值得学习的 agent 资源之一。我把它移植到了开源框架 Pi Agent 里。
Claude Code 的 system prompt 并没有官方开源，但是https://cchistory.mariozechner.at/ 可以看到所有的版本迭代记录。
这个开源 Agent 框架的核心设计，可能是目前最「聪明」的取舍
AI Agent 的概念火了两年，开源社区里相关的框架也长出了一大片。翻一圈下来会发现一个问题：大多数框架要么「太重」，要么「太死」。
太重的那一类——架构宏大、概念层叠，还没开始写第一行定制代码，光理解框架本身的命名和约定就耗尽了热情。太死的那一类——倒是不复杂，但稍微想加点自定义行为，就发现处处碰壁，框架在设计上根本没有给你留入口。
拆解 Claude Code：它是怎么在 200K 上下文里"永远不会聊爆"的
Claude Code 能在一个会话里持续工作很久——搜索代码、读文件、改代码、跑测试、看报错、再改——这个过程可能涉及几十轮工具调用。但每一次工具调用的结果都会塞进对话历史：一个 grep 搜索可能返回几千行，一个 cat 可能读出整个文件。不到十轮，200K 的上下文窗口就可能被塞满。
然而你几乎感受不到这个限制。它从来不会突然说”对不起，上下文满了，我们得重新开始”。
源码揭示了背后的机制：一套 6 层渐进式压缩架构，从工具执行的那一刻起就在控制上下文膨胀，直到最终的对话摘要。每一层成本递增、破坏性递增，系统总是优先用最轻量的方式解决问题。
拆解 Claude Code：一个"停不下来"的 AI Agent 是怎么炼成的
有一些 AI Agent 产品，你问它一个问题，它思考一下、调用一两次工具，然后就给你个回答，结束了。哪怕任务还没做完，它也像”到点下班”一样停下来了。
但 Claude Code 不一样。你跟它说”帮我重构这个认证模块”，它会自己去搜索代码、阅读文件、分析依赖关系、动手改代码、跑测试、发现测试挂了、再改、再跑……直到任务真正完成。整个过程可能会经历几十轮工具调用，完全不需要你中间催它。
4 个免费模型随便选，零配置，opencode 这点对新手太友好了，而且还是一个绝佳的Agent开发学习资源
opencode 是一个对新手非常友好的 AI 编程工具：
自带免费的大模型可用
零配置上手，在项目目录里直接使用
开源，能直接看源码，对想学 Agent 的人来说，也是一份非常不错的学习资料
最近看到很多人都在推荐 opencode。我自己其实已经用习惯了 claude code 和 codex，本来不打算折腾新的工具。但架不住推荐的人实在太多，还是试了一下……结果现在我也想推荐它了。